排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
基于数学形态学的灰度图像连接物体分割方法 总被引:1,自引:0,他引:1
由于噪声的存在以及连接物体的特点,传统的标记分水岭算法对包含连接物体的灰度图像很难取得满意的分割结果;特别是在背景并不连通的情况下,误分割更为常见;在标记分水岭算法的基础上,提出了一种连接物体分割方法;将属于鲁棒统计的Hough变换用于提取物体标记扩展了标记分水岭算法的应用范围;针对在分割连接物体时,由于背景并非连通,因此允许背景被分别标记,并通过一个后续滤波步骤用以剔除分割后图像中的背景部分,从而得到精确的分割图像;试验证明该算法运算速度快,鲁棒性好,具有广泛的应用价值. 相似文献
2.
3.
4.
基于区域生长算法和SAR图像相干斑的特点,提出了一种有效的SAR图像目标提取方法。该方法结合SAR图像的目标特征,分析了区域生长的关键问题(种子点的选取和相似性生长准则)并提出相应的决策,给出了实现SAR图像中目标的提取步骤。仿真结果表明该方法具有较强的抗噪性能和应用潜力。 相似文献
5.
6.
7.
文章提出了一种基于最小错误率的SAR图象自动分割算法。对直方图呈现出多模分布特征的SAR图象,首先运用有限高斯混合分布对SAR图象特征空间的数据统计模型进行估计;其次基于最小错误率原理选取SAR图象自动分割阈值,在先验概率未知和估计条件下,获得目标及其阴影区域的检测结果;最后对两种图象分割结果进行了分析并与SAR图象目标检测的经典方法-恒虚警(CFAR)目标检测方法作了比较。仿真结果表明在先验概率估计下的图象自动分割具有明显的优势和较大的应用潜力。 相似文献
8.
文中提出了一种SAR图像目标提取的算法.通过Bayes准则,引入多模态SAR图像中有意义对象(如目标及其背景和背景杂波)的先验知识,进而获得相应的后验概率.在像素4邻域构架关系下,根据像素的后验概率和邻域像素的类属,决定中心像素的类属,从而完成SAR图像的分割,并提取出有意义的目标.仿真结果表明该算法具有很好的应用前景. 相似文献
9.
10.
文中对SAR图像中的目标检测进行了研究.运用雷达目标恒虚警(CFAR)检测方法,在SAR图像杂波统计特性为Weibull分布的条件下,对SAR图像目标进行自适应检测.利用有效象素及其比率对不同虚警率下的SAR图像目标检测结果进行分析.仿真结果表明CFAR方法在SAR图像目标检测中是有效的,并给出了相应参数的最佳值. 相似文献